欢迎来到利索能及~ 联系电话:18621327849
利索能及
我要发布
收藏
专利号: 2022102573820
申请人: 广东石油化工学院
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-10-29
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.石化生产过程的一种异变趋势预测与灾变风险预警方法,其特征在于,包括:采集石化过程中状态异常变化的数据,基于所述状态异常变化的数据进行动态建模,获得目标动态系统模型;

基于所述目标动态系统模型进行石化过程的趋势分析与状态预测,获得分析预测结果;

基于所述分析预测结果进行故障预测预警,实现石化过程的故障预测;

基于所述状态异常变化的数据进行动态建模,获得目标动态系统模型包括,基于连续变量的测量数据建立连续变量动态模型;基于离散型状态变化情况,建立离散状态变量动态模型;针对连续‑离散混合型系统变量,建立混合变量动态模型;

基于所述分析预测结果进行故障预测预警包括,

通过双重中值滤波方法,对传感网监测数据流进行容错滤波和容错预报,提取监测数据序列主体变化分量的高保真信息、推算滤波和预报的误差方差;

建立监测数据流的数据变化系统,检测和诊断数据异常变化,标示所有超出安全管道的数据点,实现野值与故障征兆的分离,避免将野值误判为系统故障;

绘制传感装置和石化工艺流程、石化装备系统部件间关联关系的拓扑图,以及装备部件与工艺流程间联接关系的拓扑图;

构建关联矩阵和联接矩阵,建立“多维故障征兆向量‑关联矩阵‑联接矩阵‑故障判决向量”的运算逻辑和算法;

通过布尔运算或者采用规则推理引擎,对所述分析预测结果是否超出管道进行检测与判断,形成异变超限征兆向量,实现石化生产过程故障预测。

2.根据权利要求1所述的石化生产过程的一种异变趋势预测与灾变风险预警方法,其特征在于,采集石化过程中状态异常变化的数据包括石油化工过程中的关键部件以及工艺环节中的温度、压力、流量、液面。

3.根据权利要求1所述的石化生产过程的一种异变趋势预测与灾变风险预警方法,其特征在于,基于连续变量的测量数据建立连续变量动态模型的过程包括,采集连续变量的测量数据,通过多变量时间序列分析理论和探索性数据分析方法,根据平稳过程自相关系数、偏相关系数和相关系数截尾、拖尾统计特性,以及非平稳过程残差或差分序列自相关系数、偏相关系数统计指数和截尾、拖尾统计特性为依据,建立连续变量的多因素回归、Logistic回归、自回归和受控自回归动态模型。

4.根据权利要求1所述的石化生产过程的一种异变趋势预测与灾变风险预警方法,其特征在于,基于离散型状态变化情况,建立离散状态变量动态模型包括,针对工况切换、阀门开关的离散型状态变化情况,通过描述状态迁移的Petri模型、Markov链、自动机、排队论和符号有向图模型,描述状态变化,获得离散状态变量动态模型。

5.根据权利要求1所述的石化生产过程的一种异变趋势预测与灾变风险预警方法,其特征在于,建立混合变量动态模型包括,针对连续‑离散混合型系统变量,采用至少包括长短记忆LSTM模型的深度学习模型,实现石化过程动态建模,获得混合变量动态模型。

6.根据权利要求1所述的石化生产过程的一种异变趋势预测与灾变风险预警方法,其特征在于,获得目标动态系统模型还包括,基于石化过程历史数据对初始目标动态系统模型进行校核、验证和确认,并依据确认结果对所述初始目标动态系统模型进行迭代改进、优化模型,获得所述目标动态系统模型。

7.根据权利要求1所述的石化生产过程的一种异变趋势预测与灾变风险预警方法,其特征在于,基于所述目标动态系统模型进行石化过程的趋势分析与状态预测包括分别基于连续变量和离散事件建立针对性预测方法;

基于连续变量建立针对性预测方法包括,针对连续变量的测量数据通过高保真提取、模型自适应拟合、趋势预测进行连续变量参数及特征量的变化趋势预测;

基于离散事件建立针对性预测方法包括,针对离散型状态变化情况通过特征提取、状态建模、事件预测,基于Petri网、符号有向图SDG、灰色系统和隐马尔可夫模型HMM进行趋势预测。

8.根据权利要求1所述的石化生产过程的一种异变趋势预测与灾变风险预警方法,其特征在于,构建关联矩阵和联接矩阵,建立“多维故障征兆向量‑关联矩阵‑联接矩阵‑故障判决向量”的运算逻辑和算法包括,构建石化工艺流程与石化装置之间的关联矩阵,构建石化装置与设备部件之间的联接矩阵、石化装置与传感采样设备之间的联接矩阵,以及传感系统多维采样数据流逐一检测结果所形成的征兆向量,设计矩阵间以及矩阵和向量间布尔运算。